一种多时间尺度SVM局部短时临近降雨预测方法

近年来支持向量机(support vector machine,SVM)在气象领域得到了广泛应用,在该类应用中单一建模是目前普遍采用的一种思路,单一建模方法寻找的是大而泛的预测模型,预测的目标以面降雨为主。本研究针对每个气象站点进行单独动态建模,建模方法为多时间尺度SVM,探索建立一种动态SVM短时临近降水预测模型,充分考虑不同站点、不同时刻的气象要素差异,初步解决了单一建模过于注重整体规律、建立固定的整体预测函数模型而忽略不同站点、不同时刻局部气象变化的不足,并尝试提高短时临近降水预报的准确率。初步实现了地理空间上更高密度、更精细化的降雨预测,时间分辨率为1 h,TS评分始终保持在较高的水平,对1 h预测的TS评分平均可达40%以上,部分站点接近50%,且模型预测准确率具有一定的稳定性和参考价值。

基于随机森林的短时临近降雨预报方法

近年来随机森林在各领域得到了广泛的应用,在处理大数据集中具有明显的优势,且机森林(Random Forest,简称RF)模型精度高、稳定性好。该文在不考虑其他气象影响因素的情况下用RF模型对短时临近降雨事件有无降雨进行分类预测。结果表明,基于RF短时临近降雨预测的预测结果较为理想,预测结果的各项评分始终保持在较高的水平,具有一定的参考价值。